Serum cholesterol disturbances in dogs with common endocrinopathies at the time of diagnosis: a retrospective study
Notice bibliographique
Résumé
Abstract Background Although dyslipidemia is commonly reported in dogs, comparative data on the magnitude of serum cholesterol disturbances have not been reported. We aimed to describe the severity of hyper- and hypocholesterolemia in dogs with common endocrinopathies and to evaluate its association with common laboratory parameters. Medical records were reviewed over a decade (2011–2022) for dogs with hypothyroidism, diabetes mellitus (DM), hyperadrenocorticism (HAC), or hypoadrenocorticism (HA), and included signalment, common laboratory and diagnostic imaging parameters, comorbidities, and medications. This retrospective study included 53 dogs with hypothyroidism, 54 with DM, 62 with HAC, and 79 with HA. Results Medians [range] of serum cholesterol concentration ([Chol] s ) for dogs with hypothyroidism, DM, HAC, and HA were 492 [174–1829], 321 [116–928], 309 [151–630], and 112 mg/dL [31–309], and hypercholesterolemia was reported in 91%, 85%, 81%, and 9% for each disorder, respectively. Median [Chol] s was significantly higher in hypothyroid dogs with a serum thyroxine concentration < 0.47 (A = 607) vs. ≥0.47 ug/dL (B = 324 mg/dL) (B-A = -299 mg/dL; 95.21% CI of difference = [-433; -166]; p < .0001), and significantly lower in HAC dogs with serum ALP activity < 1,000 U/L (A = 275) vs. ≥1,000 (B = 360 mg/dL) (B-A = + 74 mg/dL; 95.14% CI of difference = [+ 25; +121], p = .006). Comparison among all studied endocrinopathies showed that median [Chol] s was significantly higher in hypothyroid dogs and significantly lower in HA dogs, whereas median [Chol] s was similar in HAC and DM dogs. Conclusions Serum cholesterol concentration can serve as a valuable tool to suspect certain canine endocrinopathies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».